您的位置:首页 > 新闻资讯 >文章内容
代理IP知识:爬虫如何进行数据采集?
来源:互联网 作者:admin 时间:2019-09-13 10:42:00

  爬虫这个词我们经常听说,可以对于没有进行过爬虫工作的人来说,可能还是没有什么概念。在过去代理IP还没用于爬虫的时候,爬虫工作非常复杂麻烦,现在有了这类工具协助,爬虫的门槛变低了。那么,爬虫的流程究竟是什么样子的?


代理IP知识:爬虫如何进行数据采集


  一、爬虫基本流程


  发起请求:通过HTTP库向目标站点发起请求,即发送一个Request,请求可以包含额外的headers等信息,等待服务器响应。


  获取响应内容:如果服务器能正常响应,会得到一个Response,Response的内容便是所要获取的页面内容,类型可能有HTML,Json字符串,二进制数据(如图片视频)等类型。


  解析内容:得到的内容可能是HTML,可以用正则表达式、网页解析库进行解析。可能是Json,可以直接转为Json对象解析,可能是二进制数据,可以做保存或者进一步的处理。


  保存数据:保存形式多样,可以存为文本,也可以保存至数据库,或者保存特定格式的文件。


  二、Request和Response


  Request:浏览器就发送消息给该网址所在的服务器,这个过程叫做HTTP Request。


  Response:服务器收到浏览器发送的消息后,能够根据浏览器发送消息的内容,做相应处理,然后把消息回传给浏览器。这个过程叫做HTTP Response。浏览器收到服务器的Response信息后,会对信息进行相应处理,然后展示。


  1、Request详解


  请求方式:主要有GET、POST两种类型,另外还有HEAD、PUT、DELETE、OPTIONS等。


  请求URL:URL全称统一资源定位符,如一个网页文档、一张图片、一个视频等都可以用URL唯一来确定。


  请求头:包含请求时的头部信息,如User-Agent、Host、Cookies等信息。


  请求体:请求时额外携带的数据如表单提交时的表单数据。


  2、Response详解


  响应状态:有多种响应状态,如200代表成功、301跳转、404找不到页面、502服务器错误


  响应头:如内容类型、内容长度、服务器信息、设置Cookie等等。


  响应体:最主要的部分,包含了请求资源的内容,如网页HTML、图片二进制数据等。


  三、解析方式


  直接处理

  Json解析

  正则表达式

  BeautifulSoup

  PyQuery

  XPath


  四、保存数据


  文本:纯文本、Json、Xml等。


  关系型数据库:如MySQL、Oracle、SQL Server等具有结构化表结构形式存储。


  非关系型数据库:如MongoDB、Redis等Key-Value形式存储。


  二进制文件:


  如图片、视频、音频等等直接保存成特定格式即可。


  五、能抓取哪些数据


  网页文本:如HTML文档、Json格式文本等。


  图片:获取到的是二进制文件,保存为图片格式。


  视频:同为二进制文件,保存为视频格式即可。


  以上就是有关爬虫的基本操作流程,如果你也想要对数据进行采集和分析,那么用代理IP来进行爬虫就再合适不过了。


相关文章内容简介
推荐阅读
  • 13 2020-01
    怎么自动修改电脑ip地址?

    有时会注册一个账号改IP地址才能注册,那么怎么修改电脑的IP地址呢,如果能自动的切换自己网络IP地址?

  • 28 2019-04
    爬虫借用代理IP获取到薪资信息

    爬虫借用代理IP获取到薪资信息,为什么要这么麻烦呢?这是因为这些数据,网站并不想随便给你爬取,但如果你想知道一个比较准的结果,那么收集大量信息再分析,这结果无疑是更加的准确

  • 23 2020-05
    什么是动态代理ip

    在区分什么是动态代理IP之前,首先我们要弄清楚,什么是代理IP。就是你在你的浏览器设置选项中(IE/chrome),手动输入你的代理ip地址。然后用浏览器去搜索,比如说访问百度,在百度搜索“

  • 23 2019-04
    IP代理的动态转发速度比较慢,有没有办法解决?

    IP代理的动态转发速度比较慢,有没有办法解决?一些经常使用动态转发的用户可能也有发现的,虽然动态转发优点不少,但缺点也有的。

  • 09 2019-08
    爬虫代理是采集数据不可或缺工具

    爬虫代理是采集数据不可或缺工具!因为如今大数据时代,数据的信息的重要性已经涉及到很多的方面。爬虫也因此应运而生,成为了很火的一种技术。现在从事爬虫技术工作的人很多,很多的

  • 11 2019-06
    什么是api代理?

    什么是api代理?对于api,我相信知道的人不多,但是使用的人很多。其实日常生活中,我们有很多类似API的场景,比如:

在线咨询
大客户经理
大客户经理
1829380381
13316264505

大客户经理微信

微信公众号

微信公众号

回到顶部